Predicción de la Demanda de la Carga Eléctrica a través de Redes Neuronales

Abstract

El presente trabajo propone el desarrollo de un modelo matemático dedicado a la previsión horaria en tiempo real de la demanda de carga eléctrica que es proveída por la Central Hidroeléctrica Yacyreta a la ANDE, con el fin de conseguir un mejor ajuste que otros criterios de predicción que puedan ser utilizados para dicho propósito. Con el método propuesto se puede lograr aproximar mejor la curva de la demanda pronosticada del subsistema estudiado a la curva de la demanda real; esto implica que, al obtener predicciones de las demandas horarias lo más próximas posible a los valores reales se minimizan pérdidas económicas, es decir, maximizan ganancias por compra y venta de la energía eléctrica con el país vecino con que Yacyreta opera. Luego de un estudio y varias pruebas realizadas al respecto, en este trabajo se implementó una red neuronal artificial, específicamente el perceptor multicapa (MLP), puesto que, permitió buenas predicciones en las simulaciones realizadas, la misma consistió en una red con cinco neuronas de entrada, una capa oculta con quince neuronas en ella, y una neurona en la capa de salida; el algoritmo de entrenamiento utilizado fue el de Levenberg- Marquardt. Para comprobar la validez del modelo sugerido se contrastaron las curvas pronosticadas por el mismo, con las curvas de previsiones obtenidas por otro modelo de red neuronal retirada de una Tesis doctoral, más detallada en el libro (Modelo para comparación utilizado). Las simulaciones para las previsiones horarias fueron realizadas para dos horizontes de tiempo, uno de 6 meses y el otro de un año, en ambos casos los resultados de los pronósticos de carga del modelo propuesto fueron mejores los que los obtenidos con el modelo utilizado en forma de comparación.